MambaVision

收录理由

这是CVPR 2025论文《MambaVision》的官方PyTorch实现，提出了一种将状态空间模型（Mamba）与自注意力机制相结合的分层视觉骨干网络。这种设计让它在ImageNet上取得高准确率的同时保持较快的推理速度，在精度与吞吐量之间达到了新的平衡。仓库不仅涵盖图像分类，还提供了语义分割和目标检测的完整代码，预训练权重可借助Hugging Face的transformers库几行代码加载。模型输出多尺度特征，便于直接接入现有的检测或分割框架；同时附带了pip安装包和Colab示例，上手非常方便。需要注意的是，该项目采用NVIDIA的非商业许可协议，更适合用于学术研究或技术验证，不建议直接部署到生产环境。